Return to search

Paraleliza??o em GPU da segmenta??o vascular com extra??o de Centerlines por Height Ridges

Made available in DSpace on 2014-12-17T15:47:58Z (GMT). No. of bitstreams: 1
ItaloMSR_DISSERT.pdf: 4133389 bytes, checksum: 575496a3d8aa350df8e3e86992d9b27b (MD5)
Previous issue date: 2011-03-02 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The vascular segmentation is important in diagnosing vascular diseases like stroke
and is hampered by noise in the image and very thin vessels that can pass unnoticed.
One way to accomplish the segmentation is extracting the centerline of the vessel with
height ridges, which uses the intensity as features for segmentation. This process can
take from seconds to minutes, depending on the current technology employed. In order
to accelerate the segmentation method proposed by Aylward [Aylward & Bullitt 2002]
we have adapted it to run in parallel using CUDA architecture. The performance of the
segmentation method running on GPU is compared to both the same method running
on CPU and the original Aylward s method running also in CPU. The improvemente of
the new method over the original one is twofold: the starting point for the segmentation
process is not a single point in the blood vessel but a volume, thereby making it easier for
the user to segment a region of interest, and; the overall gain method was 873 times faster
running on GPU and 150 times more fast running on the CPU than the original CPU in
Aylward / A segmenta??o vascular ? importante no diagn?stico de doen?as como o acidente vascular
cerebral e ? dificultada por ru?dos na imagem e vasos muito finos que n?o s?o vistos.
Uma maneira de realizar a segmenta??o ? extraindo a centerline do vaso com height ridges,
que usa a intensidade como caracter?sticas para a segmenta??o. Este processo pode
levar de segundos a minutos, dependendo da tecnologia atual empregada. O m?todo ?
implementado em GPU, ou seja, ? executado de maneira paralela em placa gr?fica. O
desempenho do m?todo de segmenta??o executado em GPU ? comparado com o mesmo
m?todo em CPU e o m?todo original de Aylward em execu??o tamb?m na CPU. O melhoramento
do novo m?todo sobre o original ? dupla. O ponto de partida para o processo
de segmenta??o n?o ? um ?nico ponto no vaso sangu?neo, mas um volume, tornando assim
mais f?cil para o usu?rio a sele??o de uma regi?o de interesse, e, o ganho do m?todo
proposto foi 873 vezes mais r?pido sendo executado em GPU e 150 vezes mais r?pido
sendo executado em CPU do que o original de Aylward em CPU

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/18035
Date02 March 2011
CreatorsRibeiro, ?talo Mendes da Silva
ContributorsCPF:47337761368, http://lattes.cnpq.br/4022950700003347, Carvalho, Bruno Motta de, CPF:79228860472, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6, Farias, Ricardo Cordeiro de, CPF:75084988791, http://lattes.cnpq.br/9063837162469343, Santos, Selan Rodrigues dos
PublisherUniversidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Sistemas e Computa??o, UFRN, BR, Ci?ncia da Computa??o
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds